LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
siijjfjjf完成签到 ,获得积分10
1秒前
cc发布了新的文献求助10
1秒前
ssss完成签到,获得积分10
2秒前
lilibetch发布了新的文献求助10
4秒前
KKLD发布了新的文献求助10
5秒前
受伤的老头完成签到,获得积分10
9秒前
怡然尔芙完成签到,获得积分10
10秒前
11秒前
郝富完成签到,获得积分10
11秒前
cc完成签到,获得积分10
11秒前
11秒前
糖糖完成签到,获得积分10
11秒前
黄小佳发布了新的文献求助10
11秒前
天天快乐应助queengause采纳,获得10
11秒前
lilibetch完成签到,获得积分10
13秒前
laogao发布了新的文献求助10
13秒前
zzyytt完成签到,获得积分10
13秒前
合适冰棍完成签到 ,获得积分10
13秒前
14秒前
传奇3应助KKLD采纳,获得10
15秒前
懵懂的愫完成签到 ,获得积分10
16秒前
归海听云发布了新的文献求助10
17秒前
此生不换完成签到,获得积分10
18秒前
柴郡喵发布了新的文献求助50
18秒前
gengsumin完成签到,获得积分10
20秒前
左丘白桃完成签到,获得积分10
20秒前
二中所长发布了新的文献求助10
21秒前
knight完成签到,获得积分10
21秒前
龙卡烧烤店完成签到,获得积分0
21秒前
研友_VZG7GZ应助魔幻海豚采纳,获得10
22秒前
zhentg完成签到,获得积分0
22秒前
23秒前
睡不醒也吃不饱完成签到 ,获得积分10
24秒前
25秒前
务实谷秋完成签到 ,获得积分10
26秒前
27秒前
Abegg发布了新的文献求助10
27秒前
HHHAN完成签到,获得积分10
28秒前
庆次完成签到 ,获得积分10
28秒前
30秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3180839
求助须知:如何正确求助?哪些是违规求助? 2831074
关于积分的说明 7982863
捐赠科研通 2492963
什么是DOI,文献DOI怎么找? 1329932
科研通“疑难数据库(出版商)”最低求助积分说明 635850
版权声明 602954